本批已通過 Schema、去重、來源快照與獨立答案重算；仍未標記為人工審定。
本題庫已有對應的中英逐步詳解。原題的 candidate 與英文 ai_candidate 狀態保留；AI 覆核、有限計算與 Lean 形式證明分開標示。
batch-20261008-advance-20261010-r06-variance-foundations · 2026-10-08 · 100 題
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[1, 0, 2]、D=3，權重為質量/D；X值=[4, 99, 4]。先取μ=E[X]，按索引0起列 w_i(X_i−μ)²，不省零項。
[0/1, 0/1, 0/1]
逐點中心平方項=[0/1, 0/1, 0/1]。先求精確均值再平方偏差與加權；零權重異值保留零項，這是概率量，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-contributions · candidate
有限歸一化模型；S={0,…,1}，F=𝒫(S)，質量=[1, 1]、D=2，權重為質量/D；X值=[0, 2]。先取μ=E[X]，按索引0起列 w_i(X_i−μ)²，不省零項。
[1/2, 1/2]
逐點中心平方項=[1/2, 1/2]。先求精確均值再平方偏差與加權；零權重異值保留零項，這是概率量，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-contributions · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[3, 2, 1]、D=6，權重為質量/D；X值=[-2, 2, 3]。先取μ=E[X]，按索引0起列 w_i(X_i−μ)²，不省零項。
[169/72, 121/108, 289/216]
逐點中心平方項=[169/72, 121/108, 289/216]。先求精確均值再平方偏差與加權；零權重異值保留零項，這是概率量，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-contributions · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[4, 2, 1]、D=7，權重為質量/D；X值=[-3, 2, 4]。先取μ=E[X]，按索引0起列 w_i(X_i−μ)²，不省零項。
[1156/343, 648/343, 1024/343]
逐點中心平方項=[1156/343, 648/343, 1024/343]。先求精確均值再平方偏差與加權；零權重異值保留零項，這是概率量，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-contributions · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[5, 2, 1]、D=8，權重為質量/D；X值=[-4, 2, 5]。先取μ=E[X]，按索引0起列 w_i(X_i−μ)²，不省零項。
[2205/512, 729/256, 2601/512]
逐點中心平方項=[2205/512, 729/256, 2601/512]。先求精確均值再平方偏差與加權；零權重異值保留零項，這是概率量，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-contributions · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[6, 2, 1]、D=9，權重為質量/D；X值=[-5, 2, 6]。先取μ=E[X]，按索引0起列 w_i(X_i−μ)²，不省零項。
[1250/243, 2888/729, 5476/729]
逐點中心平方項=[1250/243, 2888/729, 5476/729]。先求精確均值再平方偏差與加權；零權重異值保留零項，這是概率量，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-contributions · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[7, 2, 1]、D=10，權重為質量/D；X值=[-6, 2, 7]。先取μ=E[X]，按索引0起列 w_i(X_i−μ)²，不省零項。
[5887/1000, 2601/500, 10201/1000]
逐點中心平方項=[5887/1000, 2601/500, 10201/1000]。先求精確均值再平方偏差與加權；零權重異值保留零項，這是概率量，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-contributions · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[8, 2, 1]、D=11，權重為質量/D；X值=[-7, 2, 8]。先取μ=E[X]，按索引0起列 w_i(X_i−μ)²，不省零項。
[72/11, 72/11, 144/11]
逐點中心平方項=[72/11, 72/11, 144/11]。先求精確均值再平方偏差與加權；零權重異值保留零項，這是概率量，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-contributions · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[9, 2, 1]、D=12，權重為質量/D；X值=[-8, 2, 9]。先取μ=E[X]，按索引0起列 w_i(X_i−μ)²，不省零項。
[1369/192, 6889/864, 27889/1728]
逐點中心平方項=[1369/192, 6889/864, 27889/1728]。先求精確均值再平方偏差與加權；零權重異值保留零項，這是概率量，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-contributions · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[10, 2, 1]、D=13，權重為質量/D；X值=[-9, 2, 10]。先取μ=E[X]，按索引0起列 w_i(X_i−μ)²，不省零項。
[16810/2197, 20808/2197, 42436/2197]
逐點中心平方項=[16810/2197, 20808/2197, 42436/2197]。先求精確均值再平方偏差與加權；零權重異值保留零項，這是概率量，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-contributions · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[11, 2, 1]、D=14，權重為質量/D；X值=[-10, 2, 11]。先取μ=E[X]，按索引0起列 w_i(X_i−μ)²，不省零項。
[22275/2744, 15129/1372, 62001/2744]
逐點中心平方項=[22275/2744, 15129/1372, 62001/2744]。先求精確均值再平方偏差與加權；零權重異值保留零項，這是概率量，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-contributions · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[12, 2, 1]、D=15，權重為質量/D；X值=[-11, 2, 12]。先取μ=E[X]，按索引0起列 w_i(X_i−μ)²，不省零項。
[9604/1125, 42632/3375, 87616/3375]
逐點中心平方項=[9604/1125, 42632/3375, 87616/3375]。先求精確均值再平方偏差與加權；零權重異值保留零項，這是概率量，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-contributions · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[13, 2, 1]、D=16，權重為質量/D；X值=[-12, 2, 13]。先取μ=E[X]，按索引0起列 w_i(X_i−μ)²，不省零項。
[36517/4096, 29241/2048, 120409/4096]
逐點中心平方項=[36517/4096, 29241/2048, 120409/4096]。先求精確均值再平方偏差與加權；零權重異值保留零項，這是概率量，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-contributions · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[14, 2, 1]、D=17，權重為質量/D；X值=[-13, 2, 14]。先取μ=E[X]，按索引0起列 w_i(X_i−μ)²，不省零項。
[45486/4913, 78408/4913, 161604/4913]
逐點中心平方項=[45486/4913, 78408/4913, 161604/4913]。先求精確均值再平方偏差與加權；零權重異值保留零項，這是概率量，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-contributions · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[15, 2, 1]、D=18，權重為質量/D；X值=[-14, 2, 15]。先取μ=E[X]，按索引0起列 w_i(X_i−μ)²，不省零項。
[18605/1944, 51529/2916, 212521/5832]
逐點中心平方項=[18605/1944, 51529/2916, 212521/5832]。先求精確均值再平方偏差與加權；零權重異值保留零項，這是概率量，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-contributions · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[16, 2, 1]、D=19，權重為質量/D；X值=[-15, 2, 16]。先取μ=E[X]，按索引0起列 w_i(X_i−μ)²，不省零項。
[67600/6859, 133128/6859, 274576/6859]
逐點中心平方項=[67600/6859, 133128/6859, 274576/6859]。先求精確均值再平方偏差與加權；零權重異值保留零項，這是概率量，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-contributions · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[17, 2, 1]、D=20，權重為質量/D；X值=[-16, 2, 17]。先取μ=E[X]，按索引0起列 w_i(X_i−μ)²，不省零項。
[80937/8000, 84681/4000, 349281/8000]
逐點中心平方項=[80937/8000, 84681/4000, 349281/8000]。先求精確均值再平方偏差與加權；零權重異值保留零項，這是概率量，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-contributions · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[18, 2, 1]、D=21，權重為質量/D；X值=[-17, 2, 18]。先取μ=E[X]，按索引0起列 w_i(X_i−μ)²，不省零項。
[10658/1029, 212552/9261, 438244/9261]
逐點中心平方項=[10658/1029, 212552/9261, 438244/9261]。先求精確均值再平方偏差與加權；零權重異值保留零項，這是概率量，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-contributions · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[19, 2, 1]、D=22，權重為質量/D；X值=[-18, 2, 19]。先取μ=E[X]，按索引0起列 w_i(X_i−μ)²，不省零項。
[931/88, 99/4, 4489/88]
逐點中心平方項=[931/88, 99/4, 4489/88]。先求精確均值再平方偏差與加權；零權重異值保留零項，這是概率量，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-contributions · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[20, 2, 1]、D=23，權重為質量/D；X值=[-19, 2, 20]。先取μ=E[X]，按索引0起列 w_i(X_i−μ)²，不省零項。
[131220/12167, 323208/12167, 665856/12167]
逐點中心平方項=[131220/12167, 323208/12167, 665856/12167]。先求精確均值再平方偏差與加權；零權重異值保留零項，這是概率量，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-contributions · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[21, 2, 1]、D=24，權重為質量/D；X值=[-20, 2, 21]。先取μ=E[X]，按索引0起列 w_i(X_i−μ)²，不省零項。
[50575/4608, 196249/6912, 808201/13824]
逐點中心平方項=[50575/4608, 196249/6912, 808201/13824]。先求精確均值再平方偏差與加權；零權重異值保留零項，這是概率量，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-contributions · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[22, 2, 1]、D=25，權重為質量/D；X值=[-21, 2, 22]。先取μ=E[X]，按索引0起列 w_i(X_i−μ)²，不省零項。
[174262/15625, 472392/15625, 972196/15625]
逐點中心平方項=[174262/15625, 472392/15625, 972196/15625]。先求精確均值再平方偏差與加權；零權重異值保留零項，這是概率量，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-contributions · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[23, 2, 1]、D=26，權重為質量/D；X值=[-22, 2, 23]。先取μ=E[X]，按索引0起列 w_i(X_i−μ)²，不省零項。
[198927/17576, 281961/8788, 1159929/17576]
逐點中心平方項=[198927/17576, 281961/8788, 1159929/17576]。先求精確均值再平方偏差與加權；零權重異值保留零項，這是概率量，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-contributions · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[24, 2, 1]、D=27，權重為質量/D；X值=[-23, 2, 24]。先取μ=E[X]，按索引0起列 w_i(X_i−μ)²，不省零項。
[75272/6561, 668168/19683, 1373584/19683]
逐點中心平方項=[75272/6561, 668168/19683, 1373584/19683]。先求精確均值再平方偏差與加權；零權重異值保留零項，這是概率量，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-contributions · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[25, 2, 1]、D=28，權重為質量/D；X值=[-24, 2, 25]。先取μ=E[X]，按索引0起列 w_i(X_i−μ)²，不省零項。
[255025/21952, 393129/10976, 1615441/21952]
逐點中心平方項=[255025/21952, 393129/10976, 1615441/21952]。先求精確均值再平方偏差與加權；零權重異值保留零項，這是概率量，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-contributions · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[1, 0, 2]、D=3，權重為質量/D；X值=[4, 99, 4]。依序求 (E[X²], (E[X])²)，不要混同兩式。
(16/1, 16/1)
二階矩與均值平方=(16/1, 16/1)。第一式平方值後加權，第二式加權均值後平方；兩式之差才是變異數，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-second-moment-pair · candidate
有限歸一化模型；S={0,…,1}，F=𝒫(S)，質量=[1, 1]、D=2，權重為質量/D；X值=[-1, 1]。依序求 (E[X²], (E[X])²)，不要混同兩式。
(1/1, 0/1)
二階矩與均值平方=(1/1, 0/1)。第一式平方值後加權，第二式加權均值後平方；兩式之差才是變異數，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-second-moment-pair · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[3, 2, 1]、D=6，權重為質量/D；X值=[-2, 2, 3]。依序求 (E[X²], (E[X])²)，不要混同兩式。
(29/6, 1/36)
二階矩與均值平方=(29/6, 1/36)。第一式平方值後加權，第二式加權均值後平方；兩式之差才是變異數，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-second-moment-pair · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[4, 2, 1]、D=7，權重為質量/D；X值=[-3, 2, 4]。依序求 (E[X²], (E[X])²)，不要混同兩式。
(60/7, 16/49)
二階矩與均值平方=(60/7, 16/49)。第一式平方值後加權，第二式加權均值後平方；兩式之差才是變異數，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-second-moment-pair · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[5, 2, 1]、D=8，權重為質量/D；X值=[-4, 2, 5]。依序求 (E[X²], (E[X])²)，不要混同兩式。
(113/8, 121/64)
二階矩與均值平方=(113/8, 121/64)。第一式平方值後加權，第二式加權均值後平方；兩式之差才是變異數，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-second-moment-pair · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[6, 2, 1]、D=9，權重為質量/D；X值=[-5, 2, 6]。依序求 (E[X²], (E[X])²)，不要混同兩式。
(194/9, 400/81)
二階矩與均值平方=(194/9, 400/81)。第一式平方值後加權，第二式加權均值後平方；兩式之差才是變異數，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-second-moment-pair · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[7, 2, 1]、D=10，權重為質量/D；X值=[-6, 2, 7]。依序求 (E[X²], (E[X])²)，不要混同兩式。
(309/10, 961/100)
二階矩與均值平方=(309/10, 961/100)。第一式平方值後加權，第二式加權均值後平方；兩式之差才是變異數，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-second-moment-pair · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[8, 2, 1]、D=11，權重為質量/D；X值=[-7, 2, 8]。依序求 (E[X²], (E[X])²)，不要混同兩式。
(464/11, 16/1)
二階矩與均值平方=(464/11, 16/1)。第一式平方值後加權，第二式加權均值後平方；兩式之差才是變異數，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-second-moment-pair · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[9, 2, 1]、D=12，權重為質量/D；X值=[-8, 2, 9]。依序求 (E[X²], (E[X])²)，不要混同兩式。
(665/12, 3481/144)
二階矩與均值平方=(665/12, 3481/144)。第一式平方值後加權，第二式加權均值後平方；兩式之差才是變異數，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-second-moment-pair · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[10, 2, 1]、D=13，權重為質量/D；X值=[-9, 2, 10]。依序求 (E[X²], (E[X])²)，不要混同兩式。
(918/13, 5776/169)
二階矩與均值平方=(918/13, 5776/169)。第一式平方值後加權，第二式加權均值後平方；兩式之差才是變異數，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-second-moment-pair · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[11, 2, 1]、D=14，權重為質量/D；X值=[-10, 2, 11]。依序求 (E[X²], (E[X])²)，不要混同兩式。
(1229/14, 9025/196)
二階矩與均值平方=(1229/14, 9025/196)。第一式平方值後加權，第二式加權均值後平方；兩式之差才是變異數，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-second-moment-pair · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[12, 2, 1]、D=15，權重為質量/D；X值=[-11, 2, 12]。依序求 (E[X²], (E[X])²)，不要混同兩式。
(1604/15, 13456/225)
二階矩與均值平方=(1604/15, 13456/225)。第一式平方值後加權，第二式加權均值後平方；兩式之差才是變異數，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-second-moment-pair · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[13, 2, 1]、D=16，權重為質量/D；X值=[-12, 2, 13]。依序求 (E[X²], (E[X])²)，不要混同兩式。
(2049/16, 19321/256)
二階矩與均值平方=(2049/16, 19321/256)。第一式平方值後加權，第二式加權均值後平方；兩式之差才是變異數，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-second-moment-pair · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[14, 2, 1]、D=17，權重為質量/D；X值=[-13, 2, 14]。依序求 (E[X²], (E[X])²)，不要混同兩式。
(2570/17, 26896/289)
二階矩與均值平方=(2570/17, 26896/289)。第一式平方值後加權，第二式加權均值後平方；兩式之差才是變異數，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-second-moment-pair · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[15, 2, 1]、D=18，權重為質量/D；X值=[-14, 2, 15]。依序求 (E[X²], (E[X])²)，不要混同兩式。
(3173/18, 36481/324)
二階矩與均值平方=(3173/18, 36481/324)。第一式平方值後加權，第二式加權均值後平方；兩式之差才是變異數，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-second-moment-pair · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[16, 2, 1]、D=19，權重為質量/D；X值=[-15, 2, 16]。依序求 (E[X²], (E[X])²)，不要混同兩式。
(3864/19, 48400/361)
二階矩與均值平方=(3864/19, 48400/361)。第一式平方值後加權，第二式加權均值後平方；兩式之差才是變異數，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-second-moment-pair · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[17, 2, 1]、D=20，權重為質量/D；X值=[-16, 2, 17]。依序求 (E[X²], (E[X])²)，不要混同兩式。
(4649/20, 63001/400)
二階矩與均值平方=(4649/20, 63001/400)。第一式平方值後加權，第二式加權均值後平方；兩式之差才是變異數，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-second-moment-pair · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[18, 2, 1]、D=21，權重為質量/D；X值=[-17, 2, 18]。依序求 (E[X²], (E[X])²)，不要混同兩式。
(5534/21, 80656/441)
二階矩與均值平方=(5534/21, 80656/441)。第一式平方值後加權，第二式加權均值後平方；兩式之差才是變異數，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-second-moment-pair · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[19, 2, 1]、D=22，權重為質量/D；X值=[-18, 2, 19]。依序求 (E[X²], (E[X])²)，不要混同兩式。
(6525/22, 841/4)
二階矩與均值平方=(6525/22, 841/4)。第一式平方值後加權，第二式加權均值後平方；兩式之差才是變異數，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-second-moment-pair · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[20, 2, 1]、D=23，權重為質量/D；X值=[-19, 2, 20]。依序求 (E[X²], (E[X])²)，不要混同兩式。
(7628/23, 126736/529)
二階矩與均值平方=(7628/23, 126736/529)。第一式平方值後加權，第二式加權均值後平方；兩式之差才是變異數，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-second-moment-pair · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[21, 2, 1]、D=24，權重為質量/D；X值=[-20, 2, 21]。依序求 (E[X²], (E[X])²)，不要混同兩式。
(8849/24, 156025/576)
二階矩與均值平方=(8849/24, 156025/576)。第一式平方值後加權，第二式加權均值後平方；兩式之差才是變異數，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-second-moment-pair · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[22, 2, 1]、D=25，權重為質量/D；X值=[-21, 2, 22]。依序求 (E[X²], (E[X])²)，不要混同兩式。
(10194/25, 190096/625)
二階矩與均值平方=(10194/25, 190096/625)。第一式平方值後加權，第二式加權均值後平方；兩式之差才是變異數，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-second-moment-pair · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[23, 2, 1]、D=26，權重為質量/D；X值=[-22, 2, 23]。依序求 (E[X²], (E[X])²)，不要混同兩式。
(11669/26, 229441/676)
二階矩與均值平方=(11669/26, 229441/676)。第一式平方值後加權，第二式加權均值後平方；兩式之差才是變異數，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-second-moment-pair · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[24, 2, 1]、D=27，權重為質量/D；X值=[-23, 2, 24]。依序求 (E[X²], (E[X])²)，不要混同兩式。
(13280/27, 274576/729)
二階矩與均值平方=(13280/27, 274576/729)。第一式平方值後加權，第二式加權均值後平方；兩式之差才是變異數，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-second-moment-pair · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[25, 2, 1]、D=28，權重為質量/D；X值=[-24, 2, 25]。依序求 (E[X²], (E[X])²)，不要混同兩式。
(15033/28, 326041/784)
二階矩與均值平方=(15033/28, 326041/784)。第一式平方值後加權，第二式加權均值後平方；兩式之差才是變異數，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-second-moment-pair · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[1, 0, 2]、D=3，權重為質量/D；X值=[4, 99, 4]、Y值=[4, -50, 4]，X與Y共用S和權重，不假設獨立。求 Var(X−Y)，不要拆作Var(X)+Var(Y)。
0/1
共模型差變異數=0/1。先逐點作差，再用各點對的加權差平方和除D²；相依值可使差在正支持恆定，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-difference · candidate
有限歸一化模型；S={0,…,1}，F=𝒫(S)，質量=[1, 1]、D=2，權重為質量/D；X值=[0, 2]、Y值=[2, 0]，X與Y共用S和權重，不假設獨立。求 Var(X−Y)，不要拆作Var(X)+Var(Y)。
4/1
共模型差變異數=4/1。先逐點作差，再用各點對的加權差平方和除D²；相依值可使差在正支持恆定，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-difference · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[3, 2, 1]、D=6，權重為質量/D；X值=[-2, 2, 3]、Y值=[1, -1, -2]，X與Y共用S和權重，不假設獨立。求 Var(X−Y)，不要拆作Var(X)+Var(Y)。
104/9
共模型差變異數=104/9。先逐點作差，再用各點對的加權差平方和除D²；相依值可使差在正支持恆定，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-difference · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[4, 2, 1]、D=7，權重為質量/D；X值=[-3, 2, 4]、Y值=[1, -1, -3]，X與Y共用S和權重，不假設獨立。求 Var(X−Y)，不要拆作Var(X)+Var(Y)。
908/49
共模型差變異數=908/49。先逐點作差，再用各點對的加權差平方和除D²；相依值可使差在正支持恆定，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-difference · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[5, 2, 1]、D=8，權重為質量/D；X值=[-4, 2, 5]、Y值=[1, -1, -4]，X與Y共用S和權重，不假設獨立。求 Var(X−Y)，不要拆作Var(X)+Var(Y)。
423/16
共模型差變異數=423/16。先逐點作差，再用各點對的加權差平方和除D²；相依值可使差在正支持恆定，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-difference · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[6, 2, 1]、D=9，權重為質量/D；X值=[-5, 2, 6]、Y值=[1, -1, -5]，X與Y共用S和權重，不假設獨立。求 Var(X−Y)，不要拆作Var(X)+Var(Y)。
2834/81
共模型差變異數=2834/81。先逐點作差，再用各點對的加權差平方和除D²；相依值可使差在正支持恆定，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-difference · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[7, 2, 1]、D=10，權重為質量/D；X值=[-6, 2, 7]、Y值=[1, -1, -6]，X與Y共用S和權重，不假設獨立。求 Var(X−Y)，不要拆作Var(X)+Var(Y)。
44/1
共模型差變異數=44/1。先逐點作差，再用各點對的加權差平方和除D²；相依值可使差在正支持恆定，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-difference · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[8, 2, 1]、D=11，權重為質量/D；X值=[-7, 2, 8]、Y值=[1, -1, -7]，X與Y共用S和權重，不假設獨立。求 Var(X−Y)，不要拆作Var(X)+Var(Y)。
6456/121
共模型差變異數=6456/121。先逐點作差，再用各點對的加權差平方和除D²；相依值可使差在正支持恆定，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-difference · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[9, 2, 1]、D=12，權重為質量/D；X值=[-8, 2, 9]、Y值=[1, -1, -8]，X與Y共用S和權重，不假設獨立。求 Var(X−Y)，不要拆作Var(X)+Var(Y)。
2267/36
共模型差變異數=2267/36。先逐點作差，再用各點對的加權差平方和除D²；相依值可使差在正支持恆定，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-difference · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[10, 2, 1]、D=13，權重為質量/D；X值=[-9, 2, 10]、Y值=[1, -1, -9]，X與Y共用S和權重，不假設獨立。求 Var(X−Y)，不要拆作Var(X)+Var(Y)。
12302/169
共模型差變異數=12302/169。先逐點作差，再用各點對的加權差平方和除D²；相依值可使差在正支持恆定，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-difference · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[11, 2, 1]、D=14，權重為質量/D；X值=[-10, 2, 11]、Y值=[1, -1, -10]，X與Y共用S和權重，不假設獨立。求 Var(X−Y)，不要拆作Var(X)+Var(Y)。
4056/49
共模型差變異數=4056/49。先逐點作差，再用各點對的加權差平方和除D²；相依值可使差在正支持恆定，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-difference · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[12, 2, 1]、D=15，權重為質量/D；X值=[-11, 2, 12]、Y值=[1, -1, -11]，X與Y共用S和權重，不假設獨立。求 Var(X−Y)，不要拆作Var(X)+Var(Y)。
836/9
共模型差變異數=836/9。先逐點作差，再用各點對的加權差平方和除D²；相依值可使差在正支持恆定，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-difference · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[13, 2, 1]、D=16，權重為質量/D；X值=[-12, 2, 13]、Y值=[1, -1, -12]，X與Y共用S和權重，不假設獨立。求 Var(X−Y)，不要拆作Var(X)+Var(Y)。
6599/64
共模型差變異數=6599/64。先逐點作差，再用各點對的加權差平方和除D²；相依值可使差在正支持恆定，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-difference · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[14, 2, 1]、D=17，權重為質量/D；X值=[-13, 2, 14]、Y值=[1, -1, -13]，X與Y共用S和權重，不假設獨立。求 Var(X−Y)，不要拆作Var(X)+Var(Y)。
32778/289
共模型差變異數=32778/289。先逐點作差，再用各點對的加權差平方和除D²；相依值可使差在正支持恆定，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-difference · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[15, 2, 1]、D=18，權重為質量/D；X值=[-14, 2, 15]、Y值=[1, -1, -14]，X與Y共用S和權重，不假設獨立。求 Var(X−Y)，不要拆作Var(X)+Var(Y)。
10028/81
共模型差變異數=10028/81。先逐點作差，再用各點對的加權差平方和除D²；相依值可使差在正支持恆定，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-difference · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[16, 2, 1]、D=19，權重為質量/D；X值=[-15, 2, 16]、Y值=[1, -1, -15]，X與Y共用S和權重，不假設獨立。求 Var(X−Y)，不要拆作Var(X)+Var(Y)。
48464/361
共模型差變異數=48464/361。先逐點作差，再用各點對的加權差平方和除D²；相依值可使差在正支持恆定，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-difference · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[17, 2, 1]、D=20，權重為質量/D；X值=[-16, 2, 17]、Y值=[1, -1, -16]，X與Y共用S和權重，不假設獨立。求 Var(X−Y)，不要拆作Var(X)+Var(Y)。
579/4
共模型差變異數=579/4。先逐點作差，再用各點對的加權差平方和除D²；相依值可使差在正支持恆定，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-difference · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[18, 2, 1]、D=21，權重為質量/D；X值=[-17, 2, 18]、Y值=[1, -1, -17]，X與Y共用S和權重，不假設獨立。求 Var(X−Y)，不要拆作Var(X)+Var(Y)。
68486/441
共模型差變異數=68486/441。先逐點作差，再用各點對的加權差平方和除D²；相依值可使差在正支持恆定，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-difference · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[19, 2, 1]、D=22，權重為質量/D；X值=[-18, 2, 19]、Y值=[1, -1, -18]，X與Y共用S和權重，不假設獨立。求 Var(X−Y)，不要拆作Var(X)+Var(Y)。
20072/121
共模型差變異數=20072/121。先逐點作差，再用各點對的加權差平方和除D²；相依值可使差在正支持恆定，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-difference · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[20, 2, 1]、D=23，權重為質量/D；X值=[-19, 2, 20]、Y值=[1, -1, -19]，X與Y共用S和權重，不假設獨立。求 Var(X−Y)，不要拆作Var(X)+Var(Y)。
93372/529
共模型差變異數=93372/529。先逐點作差，再用各點對的加權差平方和除D²；相依值可使差在正支持恆定，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-difference · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[21, 2, 1]、D=24，權重為質量/D；X值=[-20, 2, 21]、Y值=[1, -1, -20]，X與Y共用S和權重，不假設獨立。求 Var(X−Y)，不要拆作Var(X)+Var(Y)。
26951/144
共模型差變異數=26951/144。先逐點作差，再用各點對的加權差平方和除D²；相依值可使差在正支持恆定，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-difference · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[22, 2, 1]、D=25，權重為質量/D；X值=[-21, 2, 22]、Y值=[1, -1, -21]，X與Y共用S和權重，不假設獨立。求 Var(X−Y)，不要拆作Var(X)+Var(Y)。
4946/25
共模型差變異數=4946/25。先逐點作差，再用各點對的加權差平方和除D²；相依值可使差在正支持恆定，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-difference · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[23, 2, 1]、D=26，權重為質量/D；X值=[-22, 2, 23]、Y值=[1, -1, -22]，X與Y共用S和權重，不假設獨立。求 Var(X−Y)，不要拆作Var(X)+Var(Y)。
35244/169
共模型差變異數=35244/169。先逐點作差，再用各點對的加權差平方和除D²；相依值可使差在正支持恆定，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-difference · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[24, 2, 1]、D=27，權重為質量/D；X值=[-23, 2, 24]、Y值=[1, -1, -23]，X與Y共用S和權重，不假設獨立。求 Var(X−Y)，不要拆作Var(X)+Var(Y)。
159848/729
共模型差變異數=159848/729。先逐點作差，再用各點對的加權差平方和除D²；相依值可使差在正支持恆定，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-difference · candidate
有限歸一化模型；S={0,…,2}，F=𝒫(S)，質量=[25, 2, 1]、D=28，權重為質量/D；X值=[-24, 2, 25]、Y值=[1, -1, -24]，X與Y共用S和權重，不假設獨立。求 Var(X−Y)，不要拆作Var(X)+Var(Y)。
45083/196
共模型差變異數=45083/196。先逐點作差，再用各點對的加權差平方和除D²；相依值可使差在正支持恆定，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-difference · candidate
有限歸一化模型；S={0,…,7}，F=𝒫(S)，質量=[0, 2, 0, 1, 0, 0, 0, 0]、D=3，權重為質量/D；X值=[99, 4, -99, 4, 9, 8, 7, 6]。索引從0；以第一個正質量點的X值為基準，列第一個正質量且X值不同的索引，若無則答無。
無
正支持首個失配索引=無。只比較正質量支持，零權重異值不列失配；全部正支持相同給無，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-first-support-mismatch · candidate
有限歸一化模型；S={0,…,7}，F=𝒫(S)，質量=[2, 2, 0, 0, 0, 0, 0, 0]、D=4，權重為質量/D；X值=[0, 2, 102, 103, 104, 105, 106, 107]。索引從0；以第一個正質量點的X值為基準，列第一個正質量且X值不同的索引，若無則答無。
1
正支持首個失配索引=1。只比較正質量支持，零權重異值不列失配；全部正支持相同給無，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-first-support-mismatch · candidate
有限歸一化模型；S={0,…,7}，F=𝒫(S)，質量=[0, 3, 2, 0, 0, 0, 0, 0]、D=5，權重為質量/D；X值=[100, 0, 3, 103, 104, 105, 106, 107]。索引從0；以第一個正質量點的X值為基準，列第一個正質量且X值不同的索引，若無則答無。
2
正支持首個失配索引=2。只比較正質量支持，零權重異值不列失配；全部正支持相同給無，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-first-support-mismatch · candidate
有限歸一化模型；S={0,…,7}，F=𝒫(S)，質量=[0, 0, 4, 2, 0, 0, 0, 0]、D=6，權重為質量/D；X值=[100, 101, 0, 4, 104, 105, 106, 107]。索引從0；以第一個正質量點的X值為基準，列第一個正質量且X值不同的索引，若無則答無。
3
正支持首個失配索引=3。只比較正質量支持，零權重異值不列失配；全部正支持相同給無，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-first-support-mismatch · candidate
有限歸一化模型；S={0,…,7}，F=𝒫(S)，質量=[0, 0, 0, 5, 2, 0, 0, 0]、D=7，權重為質量/D；X值=[100, 101, 102, 0, 5, 105, 106, 107]。索引從0；以第一個正質量點的X值為基準，列第一個正質量且X值不同的索引，若無則答無。
4
正支持首個失配索引=4。只比較正質量支持，零權重異值不列失配；全部正支持相同給無，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-first-support-mismatch · candidate
有限歸一化模型；S={0,…,7}，F=𝒫(S)，質量=[0, 0, 0, 0, 6, 2, 0, 0]、D=8，權重為質量/D；X值=[100, 101, 102, 103, 0, 6, 106, 107]。索引從0；以第一個正質量點的X值為基準，列第一個正質量且X值不同的索引，若無則答無。
5
正支持首個失配索引=5。只比較正質量支持，零權重異值不列失配；全部正支持相同給無，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-first-support-mismatch · candidate
有限歸一化模型；S={0,…,7}，F=𝒫(S)，質量=[0, 0, 0, 0, 0, 7, 2, 0]、D=9，權重為質量/D；X值=[100, 101, 102, 103, 104, 0, 7, 107]。索引從0；以第一個正質量點的X值為基準，列第一個正質量且X值不同的索引，若無則答無。
6
正支持首個失配索引=6。只比較正質量支持，零權重異值不列失配；全部正支持相同給無，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-first-support-mismatch · candidate
有限歸一化模型；S={0,…,7}，F=𝒫(S)，質量=[0, 0, 0, 0, 0, 0, 8, 2]、D=10，權重為質量/D；X值=[100, 101, 102, 103, 104, 105, 0, 8]。索引從0；以第一個正質量點的X值為基準，列第一個正質量且X值不同的索引，若無則答無。
7
正支持首個失配索引=7。只比較正質量支持，零權重異值不列失配；全部正支持相同給無，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-first-support-mismatch · candidate
有限歸一化模型；S={0,…,7}，F=𝒫(S)，質量=[9, 0, 2, 0, 0, 0, 0, 0]、D=11，權重為質量/D；X值=[0, 101, 9, 103, 104, 105, 106, 107]。索引從0；以第一個正質量點的X值為基準，列第一個正質量且X值不同的索引，若無則答無。
2
正支持首個失配索引=2。只比較正質量支持，零權重異值不列失配；全部正支持相同給無，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-first-support-mismatch · candidate
有限歸一化模型；S={0,…,7}，F=𝒫(S)，質量=[0, 10, 0, 2, 0, 0, 0, 0]、D=12，權重為質量/D；X值=[100, 0, 102, 10, 104, 105, 106, 107]。索引從0；以第一個正質量點的X值為基準，列第一個正質量且X值不同的索引，若無則答無。
3
正支持首個失配索引=3。只比較正質量支持，零權重異值不列失配；全部正支持相同給無，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-first-support-mismatch · candidate
有限歸一化模型；S={0,…,7}，F=𝒫(S)，質量=[0, 0, 11, 0, 2, 0, 0, 0]、D=13，權重為質量/D；X值=[100, 101, 0, 103, 11, 105, 106, 107]。索引從0；以第一個正質量點的X值為基準，列第一個正質量且X值不同的索引，若無則答無。
4
正支持首個失配索引=4。只比較正質量支持，零權重異值不列失配；全部正支持相同給無，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-first-support-mismatch · candidate
有限歸一化模型；S={0,…,7}，F=𝒫(S)，質量=[0, 0, 0, 12, 0, 2, 0, 0]、D=14，權重為質量/D；X值=[100, 101, 102, 0, 104, 12, 106, 107]。索引從0；以第一個正質量點的X值為基準，列第一個正質量且X值不同的索引，若無則答無。
5
正支持首個失配索引=5。只比較正質量支持，零權重異值不列失配；全部正支持相同給無，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-first-support-mismatch · candidate
有限歸一化模型；S={0,…,7}，F=𝒫(S)，質量=[0, 0, 0, 0, 13, 0, 2, 0]、D=15，權重為質量/D；X值=[100, 101, 102, 103, 0, 105, 13, 107]。索引從0；以第一個正質量點的X值為基準，列第一個正質量且X值不同的索引，若無則答無。
6
正支持首個失配索引=6。只比較正質量支持，零權重異值不列失配；全部正支持相同給無，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-first-support-mismatch · candidate
有限歸一化模型；S={0,…,7}，F=𝒫(S)，質量=[0, 0, 0, 0, 0, 14, 0, 2]、D=16，權重為質量/D；X值=[100, 101, 102, 103, 104, 0, 106, 14]。索引從0；以第一個正質量點的X值為基準，列第一個正質量且X值不同的索引，若無則答無。
7
正支持首個失配索引=7。只比較正質量支持，零權重異值不列失配；全部正支持相同給無，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-first-support-mismatch · candidate
有限歸一化模型；S={0,…,7}，F=𝒫(S)，質量=[15, 0, 0, 2, 0, 0, 0, 0]、D=17，權重為質量/D；X值=[0, 101, 102, 15, 104, 105, 106, 107]。索引從0；以第一個正質量點的X值為基準，列第一個正質量且X值不同的索引，若無則答無。
3
正支持首個失配索引=3。只比較正質量支持，零權重異值不列失配；全部正支持相同給無，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-first-support-mismatch · candidate
有限歸一化模型；S={0,…,7}，F=𝒫(S)，質量=[0, 16, 0, 0, 2, 0, 0, 0]、D=18，權重為質量/D；X值=[100, 0, 102, 103, 16, 105, 106, 107]。索引從0；以第一個正質量點的X值為基準，列第一個正質量且X值不同的索引，若無則答無。
4
正支持首個失配索引=4。只比較正質量支持，零權重異值不列失配；全部正支持相同給無，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-first-support-mismatch · candidate
有限歸一化模型；S={0,…,7}，F=𝒫(S)，質量=[0, 0, 17, 0, 0, 2, 0, 0]、D=19，權重為質量/D；X值=[100, 101, 0, 103, 104, 17, 106, 107]。索引從0；以第一個正質量點的X值為基準，列第一個正質量且X值不同的索引，若無則答無。
5
正支持首個失配索引=5。只比較正質量支持，零權重異值不列失配；全部正支持相同給無，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-first-support-mismatch · candidate
有限歸一化模型；S={0,…,7}，F=𝒫(S)，質量=[0, 0, 0, 18, 0, 0, 2, 0]、D=20，權重為質量/D；X值=[100, 101, 102, 0, 104, 105, 18, 107]。索引從0；以第一個正質量點的X值為基準，列第一個正質量且X值不同的索引，若無則答無。
6
正支持首個失配索引=6。只比較正質量支持，零權重異值不列失配；全部正支持相同給無，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-first-support-mismatch · candidate
有限歸一化模型；S={0,…,7}，F=𝒫(S)，質量=[0, 0, 0, 0, 19, 0, 0, 2]、D=21，權重為質量/D；X值=[100, 101, 102, 103, 0, 105, 106, 19]。索引從0；以第一個正質量點的X值為基準，列第一個正質量且X值不同的索引，若無則答無。
7
正支持首個失配索引=7。只比較正質量支持，零權重異值不列失配；全部正支持相同給無，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-first-support-mismatch · candidate
有限歸一化模型；S={0,…,7}，F=𝒫(S)，質量=[20, 0, 0, 0, 2, 0, 0, 0]、D=22，權重為質量/D；X值=[0, 101, 102, 103, 20, 105, 106, 107]。索引從0；以第一個正質量點的X值為基準，列第一個正質量且X值不同的索引，若無則答無。
4
正支持首個失配索引=4。只比較正質量支持，零權重異值不列失配；全部正支持相同給無，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-first-support-mismatch · candidate
有限歸一化模型；S={0,…,7}，F=𝒫(S)，質量=[0, 21, 0, 0, 0, 2, 0, 0]、D=23，權重為質量/D；X值=[100, 0, 102, 103, 104, 21, 106, 107]。索引從0；以第一個正質量點的X值為基準，列第一個正質量且X值不同的索引，若無則答無。
5
正支持首個失配索引=5。只比較正質量支持，零權重異值不列失配；全部正支持相同給無，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-first-support-mismatch · candidate
有限歸一化模型；S={0,…,7}，F=𝒫(S)，質量=[0, 0, 22, 0, 0, 0, 2, 0]、D=24，權重為質量/D；X值=[100, 101, 0, 103, 104, 105, 22, 107]。索引從0；以第一個正質量點的X值為基準，列第一個正質量且X值不同的索引，若無則答無。
6
正支持首個失配索引=6。只比較正質量支持，零權重異值不列失配；全部正支持相同給無，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-first-support-mismatch · candidate
有限歸一化模型；S={0,…,7}，F=𝒫(S)，質量=[0, 0, 0, 23, 0, 0, 0, 2]、D=25，權重為質量/D；X值=[100, 101, 102, 0, 104, 105, 106, 23]。索引從0；以第一個正質量點的X值為基準，列第一個正質量且X值不同的索引，若無則答無。
7
正支持首個失配索引=7。只比較正質量支持，零權重異值不列失配；全部正支持相同給無，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-first-support-mismatch · candidate
有限歸一化模型；S={0,…,7}，F=𝒫(S)，質量=[24, 0, 0, 0, 0, 2, 0, 0]、D=26，權重為質量/D；X值=[0, 101, 102, 103, 104, 24, 106, 107]。索引從0；以第一個正質量點的X值為基準，列第一個正質量且X值不同的索引，若無則答無。
5
正支持首個失配索引=5。只比較正質量支持，零權重異值不列失配；全部正支持相同給無，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-first-support-mismatch · candidate
有限歸一化模型；S={0,…,7}，F=𝒫(S)，質量=[0, 25, 0, 0, 0, 0, 2, 0]、D=27，權重為質量/D；X值=[100, 0, 102, 103, 104, 105, 25, 107]。索引從0；以第一個正質量點的X值為基準，列第一個正質量且X值不同的索引，若無則答無。
6
正支持首個失配索引=6。只比較正質量支持，零權重異值不列失配；全部正支持相同給無，非樣本估計。
有限機率模型的變異數 · qf-density10-variance-first-support-mismatch · candidate